Привет @cgsavard , я хотел бы поработать над этим. Могу я начать смотреть на класс AgglomerativeClustering?

@vachanda Давай! Мы можем продолжать публиковать здесь информацию о тех, над которыми мы работаем, чтобы другие знали.

Спасибо за координацию этого @cgsavard

Примечание для участников: следуйте инструкциям в разделе: https://scikit-learn.org/stable/developers/contributing.html#guidelines -for-writing-documentation

@cgsavard , есть ли список классов, у которых есть несоответствия или надо каждый из них проходить и обновлять?

@vachanda К сожалению, у меня нет списка. Я только что просматривал файлы и смотрел, что нужно обновить.

Я работаю над AffinityPropagation, SpectralCoclustering, SpectralBiclustering и Birch.

Я работаю над FeatureAgglomeration, KMeans и MiniBatchKMeans.

Логически говоря, если параметр является необязательным, не следует ли всегда использовать значение по умолчанию None ? Наличие параметра со значением по умолчанию, отличным от None предполагает, что он должен быть обязательным.

Если есть значение по умолчанию, это обычно означает, что в литературе было обнаружено, что это разумное значение по умолчанию, которое также предполагает, что этот параметр влияет на производительность, и, следовательно, он не должен быть необязательным, а должен просто указать, что такое значение по умолчанию. По определению они кажутся более близкими к требуемым параметрам, просто мы сделали разумный выбор для пользователя, чтобы он мог его изменить или нет.

Или, говоря более практическим языком, есть ли в настоящее время какие-либо дополнительные параметры, которые мы нашли, которые имеют числовые значения по умолчанию, но для которых указание None вызовет исключение? Это также предполагает, что параметр действительно требуется, но что разумное значение по умолчанию было выбрано на основе литературы / исследований.

Или, может быть, я все эти годы путала значения required и optional ? Ржу не могу. В любом случае был бы рад помочь в этом!

@jmwoloso. Мы были очень непоследовательны в отношении использования optional и поэтому недавно решили удалить его.

я тоже хочу внести свой вклад. могу я продолжить с этим

@glemaitre хорошо, это определенно имеет смысл. Итак, тогда мы удаляем optional verbage все вместе, верно, при этом отмечая значения по умолчанию в строках документа?

следует ли каждую из этих проблем раскрывать как проблему отдельно или как мы организуем всю эту работу, которую мы выполняем, поскольку несколько человек работают над несколькими вещами, связанными с этой единственной проблемой?

@ cyrus303 @jmwoloso Вы можете получить класс (максимум модуля) и исправить его. Идея состоит в том, чтобы удалить необязательное и добавить значение по умолчанию, если оно есть (обычно оно есть). Поскольку мы касаемся документации, мы должны убедиться, что стиль в строке соответствует нашему новому руководству по стилю: https://scikit-learn.org/dev/developers/contributing.html#guidelines -for-writing-documentation

Вы можете указать, с каким классом / модулем вы работаете, открыть ссылку PR, чтобы избежать дублирования усилий :). С нетерпением жду возможности его рассмотреть.

Привет! Я буду работать над классами tree ( tree.DecisionTreeClassifier , tree.DecisionTreeRegressor , tree.ExtraTreeClassifier и tree.ExtraTreeRegressor ).

Я также исправлю эту проблему для модуля neighbors .

Я возьму модуль ensemble .

@glemaitre какие-либо предпочтения относительно bool сравнению с boolean ? видеть сочетание обоих в ensemble , даже в одном классе. мог бы привести их в форму, пока я делаю настройки по умолчанию.

РЕДАКТИРОВАТЬ:

То же самое для int vs integer . Я предполагаю, что это int , но хотел подтвердить.

ИЗМЕНИТЬ (снова):

также видны строки документации с несовместимыми значениями относительно сигнатуры __init__ для этого класса, например:

min_impurity_split за RandomForestClassifier

подпись __init__ имеет min_impurity_split=None а в строке документации для нее написано min_impurity_split : float, (default=0) . Я бы предположил, что обновите строки документации, чтобы они соответствовали подписи, поскольку мы хотим, чтобы поведение класса было согласованным (т.е. мы хотим, чтобы при создании экземпляра передавались те же значения по умолчанию)?

@jmwoloso Не могли бы вы обратиться к https://scikit-learn.org/stable/developers/contributing.html#guidelines -for-writing-documentation. В основном вы должны по умолчанию использовать имя типа Python (bool, str, int, float)

подпись __init__ имеет min_impurity_split = None, а в строках документации для нее указано min_impurity_split: float (по умолчанию = 0). Я бы предположил, что обновите строки документации, чтобы они соответствовали подписи, поскольку мы хотим, чтобы поведение класса было согласованным (т.е. мы хотим, чтобы при создании экземпляра передавались те же значения по умолчанию)?

Мы должны сопоставить параметр в сигнатуре функции. Это значение параметра по умолчанию было изменено, и строка документации не обновлялась.

Привет @cgsavard , я хотел бы внести свой вклад, но это будет мой первый раз, поэтому мне нужно немного здесь . Посоветуйте, пожалуйста, следующий шаг ... Спасибо!

Привет @cgsavard!
Могу я поработать над Imputer?

Привет, @cgsavard , я хочу поработать над классом linear_model .

Я также работаю над классами Neural Network , Decomposition , Feature Extraction , Metrics и Preprocess .

может кто-нибудь, пожалуйста, проверьте мой pr # 15964 и узнайте, почему код cov не работает. Это мой первый взнос. Пожалуйста, направьте.

Игнорировать кодеков. Это ложное срабатывание, поскольку мы не касаемся кода. Скоро пересмотрю PR

Отправлено с моего телефона - извините за краткость и возможна опечатка.

Я только что сделал свой первый взнос # 15988

Я возьму модуль naive_bayes .

Я только что сделал свой первый взнос # 16019

Привет всем, работаю над sklearn/neighbors , спасибо.

Способствовал sklearn / semi_supervised.Спасибо

Привет @cgsavard , я тоже хотел бы внести свой вклад, я возьму модуль sklearn/svm . Спасибо

Способствовал sklearn / semi_supervised.Спасибо
Требуются ли дальнейшие правки в PR №16042?

@glemaitre в # 16105, мне пришлось немного углубиться в конструкции, чтобы получить значения по умолчанию, строки документации казались неточными и временами устаревшими.

Также я попытался использовать менее двусмысленный, сжатый и математически строгий способ определения диапазонов параметров. например, я изменил positive float на float in (0, inf] или 0<= shrinkage <=1 на float in (0, 1) . Короче говоря, я сделал все возможное, чтобы быть кратким и точным, но, пожалуйста, уделите на 5% больше внимания просмотру этого PR. Спасибо.

@cgsavard , это очень хороший вопрос для спринта! Если вас это устраивает, я планирую добавить его в наш список спринтов. Я суммировал классы, которые уже были адресованы PR, и их корреспондентский PR здесь .
Не могли бы вы указать суть проблемы в описании проблемы? Это сделает информацию доступной с самого начала. Могу я также попросить вас уточнить в описании, что каждый PR должен адресовать один файл (максимум один модуль) за раз, как описано здесь ? Это действительно поможет авторам и рецензентам! Большое спасибо!

Для тех, кто интересуется этим вопросом, команда

git grep "optional.*default"

выведет файлы, все еще затронутые этой проблемой (спасибо @ogrisel! :)).

@cgsavard Здравствуйте, я хотел бы поработать над model_selection @WiMLDS

@lopusz, и я хочу поработать над random_projection.py

Всем весело!

@adrinjalali @noatamir @WiMLDS

@ ETay203 и я бы хотел поработать над спринтом mean_shift @WiMLDS_Berlin .

@ magda-zielinska, и я хочу поработать над pipeline.py

@adrinjalali @noatamir @WiMLDS

@lopusz и @ magda-zielinska, и я хочу поработать над kernel_approximation.py

Я собираюсь заняться _optics.py сейчас

Повторное открытие: закрыто ключевым словом "Исправления" в # 16216.

Повторное открытие: закрыто ключевым словом "Исправления" в №16207.

Я собираюсь заняться sklearn / linear_model / _coordinate_descent.py сейчас

Я почистил base.py и отправил PR

Я очистил discinant_analysis.py и отправил PR

Я сейчас посмотрю на sklearn / gaussian_process / *. Py

Уже есть длинный пиар для ВОП @lopusz :)

@lopusz приношу свои извинения, что PR касался других вопросов модуля GP, вы можете продолжить и поработать над этим, если не возражаете :)

@adrinjalali Спасибо, что следите за этим!

На самом деле, я недостаточно хорошо просканировал открытые PR, поэтому то, что терапевтов не берут, скорее случайность;)

Я обязательно буду следить за тем, что пишут.

И да, пиар для ВОП идет;)

Здесь что-нибудь еще можно сделать?

Я работаю над sklearn/decomposition/_dict_learning.py

что осталось делать? Я готов помочь. . .

Выяснить, что осталось, вероятно, хорошее место, чтобы начать помогать :)

Привет, я просмотрел, что осталось, я думаю, что есть еще некоторые обновления, которые нужно внести в некоторые из модулей, рассмотренных ранее.
Я собирался проработать их, начиная с кластерного модуля, и мог бы повысить PR для каждого модуля по мере продвижения?
Это мой первый вклад, поэтому, пожалуйста, дайте мне знать, если я неправильно слежу за процессом и т. Д.
Спасибо!

Это список функций, классов и модулей, которые нужно исправить:

• [x] sklearn.feature_selection.SelectorMixin
• [x] sklearn.config_context
• [x] sklearn.set_config
• [x] sklearn.calibration.CalibratedClassifierCV
• [x] sklearn.cluster.OPTICS
• [x] sklearn.cluster.SpectralClustering
• [x] sklearn.cluster.affinity_propagation
• [x] sklearn.cluster.cluster_optics_dbscan
• [x] sklearn.cluster.cluster_optics_xi
• [x] sklearn.cluster.compute_optics_graph
• [x] sklearn.cluster.mean_shift
• [x] sklearn.cluster.spectral_clustering
• [x] sklearn.cluster.ward_tree
• [x] sklearn.cross_decomposition.CCA
• [x] sklearn.cross_decomposition.PLSCanonical
• [x] sklearn.cross_decomposition.PLSRegression
• [x] sklearn.cross_decomposition.PLSSVD
• [x] sklearn.datasets
• [x] sklearn.decomposition
• [x] sklearn.dummy
• [x] sklearn.ensemble.HistGradientBoostingRegressor (экспериментальный)
• [x] sklearn.ensemble.HistGradientBoostingRegressor (экспериментальный)
• [x] sklearn.feature_extraction.image.grid_to_graph
• [x] sklearn.feature_extraction.image.img_to_graph
• [x] sklearn.feature_extraction.text.CountVectorizer
• [x] sklearn.feature_extraction.text.HashVectorizer
• [x] sklearn.feature_selection
• [x] sklearn.impute
• [x] sklearn.inspection.partial_dependence
• [x] sklearn.inspection.permutation_importance
• [x] sklearn.inspection.permutation_importance
• [x] sklearn.inspection.PartialDependenceDisplay
• [x] sklearn.inspection.plot_partial_dependence
• [x] sklearn.isotonic.IsotonicRegression
• [x] sklearn.isotonic.check_increasing
• [x] sklearn.isotonic.isotonic_regression
• [x] sklearn.kernel_approximation
• [x] sklearn.kernel_ridge
• [x] sklearn.linear_model.PassiveAggressiveClassifier
• [x] sklearn.linear_model.LassoLars
• [x] sklearn.linear_model.OrthogonalMatchingPursuit
• [x] sklearn.linear_model.HuberRegressor
• [x] sklearn.linear_model.RANSACRegressor
• [x] sklearn.linear_model.TheilSenRegressor
• [x] sklearn.linear_model.PassiveAggressiveRegressor
• [x] sklearn.linear_model.orthogonal_mp
• [x] sklearn.linear_model.orthogonal_mp_gram
• [x] sklearn.manifold
• [x] sklearn.metrics (кроме sklearn.metrics.confusion_matrix , sklearn.metrics.roc_auc_score , sklearn.metrics.max_error sklearn.metrics.mean_poisson_deviance , sklearn.metrics.mean_gamma_deviance , sklearn.metrics.mean_tweedie_deviance , sklearn.metrics.plot_confusion_matrix , sklearn.metrics.plot_precision_recall_curve )
• [x] sklearn.mixture
• [x] sklearn.model_selection.GridSearchCV
• [x] sklearn.model_selection.ParameterGrid
• [x] sklearn.model_selection.ParameterSampler
• [x] sklearn.model_selection.RandomizedSearchCV
• [x] sklearn.model_selection.fit_grid_point
• [x] sklearn.multiclass
• [x] sklearn.multioutput
• [x] sklearn.neural_network
• [x] sklearn.preprocessing
• [x] sklearn.random_projection
• [x] sklearn.tree.export_graphviz
• [x] sklearn.tree.export_text
• [x] sklearn.tree.plot_tree
• [x] sklearn.utils

Надеюсь, я ничего не упускаю.

Привет. Я попробую пропустить в документации feature_selection

Берем часть склеарн. Смеси

Принимая часть cross_decomposition

Для Scikit-Learn Sprint 2020 я и

@adrinjalali мы завершили склеарн / смесь

Работа над sklearn.linear_model для спринта с @genvalen

Возьмите sklearn.calibration.CalibratedClassifierCV

Работаем над этим для sklearn.utils.validation

Далее мы займемся sklearn.utils.random

работает над sklearn.impute

Работаем над sklearn.tree.plot_tree

Таблицу 14 возьмем sklearn.neural_network

Возьмите sklearn.kernel_approximation

Принимая sklearn.inspection

Таблица 14 примет sklearn.preprocessing

Получение наборов данных

Взятие sklearn.mixture # 17509

Список обновлен.

Спасибо вам всем!

Взятие sklearn.metrics для спринта

Взятие модуля model_selection

@glemaitre Можем ли мы обновить его описание, включив в него то, что лучше всего отправлять по одному файлу за раз?

Здравствуйте, я хотел бы внести свой вклад. Впрочем, это мой первый раз ... И мне непонятно, как я могу узнать, над каким модулем еще предстоит работа? Спасибо !

https://github.com/scikit-learn/scikit-learn/issues/15761#issuecomment -639461778 содержит список модулей, которые нужно исправить.

Спасибо. Тогда возьмите sklearn.decomposition.

Я работаю над 'sklearn.isotonic.isotonic_regression'

Я работаю над sklearn.multiclass.py

Привет, могу я попробовать забрать оставшуюся часть sklearn.tree ? Я тоже участвую в этом впервые.

Спасибо за регистрацию, здорово, что вам помогли! Пожалуйста, продолжайте; Я думаю, что все обновления нашего спринта были закрыты.

4 июля 2020 г. в 10:45 Иван Виряди [email protected] написал:

Привет, можно попробовать взять оставшееся на sklearn.tree? Я тоже участвую в этом впервые.

-
Вы получили это, потому что прокомментировали.
Ответьте на это письмо напрямую, просмотрите его на GitHub или откажитесь от подписки.

Привет, я хотел бы сделать свой первый вклад. Могу я взять sklearn.multioutput?

Я продолжу с sklearn.utils, начиная с _encode.py

Я работаю над sklearn/decomposition/_dict_learning.py

Я работаю над sklearn.kernel_ridge в спринте

Привет, начну работать над sklearn.feature_extraction.image.img_to_graph

Я работаю над sklearn.feature_extraction.text.CountVectorizer

Я работаю над sklearn.sklearn.kernel_ridge

Я работаю над sklearn.ensemble.HistGradientBoostingRegressor

"Я работаю над этим"

на этом? @ Hoda1394

"Я работаю над этим"

на этом? @ Hoda1394

@TahiriNadia поправила.

@cgsavard Привет, я могу поработать над этим? Я новичок

Я буду работать с файлами в sklearn.datasets .

Могу ли я работать на sklearn.linear_model._least_angle.py

@glemaitre Я работаю над sklearn.linear_model._least_angle.py и я обнаружил несоответствие использования method ='lar' иногда указывает на lars иногда lar , это несоответствие также код (не только в документации), я вижу, что lars правильный, не могли бы вы это подтвердить, и я сделаю PR.

работает над 'sklearn/ensemble/_hist_gradient_boosting/binning.py'

файлы нужно изменить:

sklearn / _config.py
sklearn / dummy.py
sklearn / multioutput.py
sklearn / linear_model / _huber.py
sklearn / linear_model / _theil_sen.py
sklearn / linear_model / _ridge.py
sklearn / linear_model / _omp.py
sklearn / linear_model / _sag.py
sklearn / externals / _lobpcg.py
sklearn / externals / _lobpcg.py
sklearn / utils / extmath.py
sklearn / utils / __ init__.py
sklearn / utils / graph.py
sklearn / utils / _mocking.py
sklearn / utils / sparsefuncs.py
sklearn / соседи / _base.py
sklearn / gaussian_process / _gpc.py
sklearn / gaussian_process / kernels.py
sklearn / model_selection / _validation.py
~ sklearn / разложение / _fastica.py ~
~ sklearn / декомпозиция / _dict_learning.py ~
~ sklearn / декомпозиция / _factor_analysis.py ~
~ sklearn / разложение / _incremental_pca.py ~
~ sklearn / разложение / _lda.py ~
~ sklearn / разложение / _pca.py ~
~ sklearn / декомпозиция / _truncated_svd.py ~
~ sklearn / разложение / _sparse_pca.py ~
~ sklearn / разложение / _nmf.py ~
sklearn / коллектор / _mds.py
sklearn / коллектор / _spectral_embedding.py
sklearn / коллектор / _t_sne.py
sklearn / ансамбль / _hist_gradient_boosting / grower.py
sklearn / ансамбль / _hist_gradient_boosting / binning.py
sklearn / metrics / _ranking.py
sklearn / tree / _classes.py
sklearn / preprocessing / _discretization.py
sklearn / preprocessing / _encoders.py строка 620
sklearn / neural_network / _multilayer_perceptron.py строка 1054
sklearn / covariance / _robust_covariance.py

Пожалуйста, проверьте, работает ли кто-то уже над выбранным вами файлом.

@sadakmed , для всех «файлов декомпозиции» существует постоянный запрос на вытягивание # 17739.

работает над "gaussian_process.GaussianProcessRegressor" и "neighbors._base.py"

Привет, я новичок, и я хотел бы начать вносить свой вклад. Вам все еще нужна помощь по этому вопросу? есть ли какой-нибудь файл, с которым вам все еще нужна помощь?

Привет, @boricles!

Взгляните на https://github.com/scikit-learn/scikit-learn/issues/15761#issuecomment -639461778, чтобы увидеть список модулей, которые еще предстоит исправить.

@ alfaro96 спасибо. Я только что бегло посмотрел. Сегодня вечером я выберу модуль и поработаю над ним.

Я работаю над sklearn / config_context

Эй, подумал, смогу ли я помочь с документами.

@ alfaro96 Я бы хотел поработать над sklearn.feature_extraction.text.CountVectorizer , если это еще не сделано, особенно потому, что я лично сталкивался с некоторыми подводными камнями при работе с векторизаторами в прошлом.

Кроме того, я заметил, что, хотя sklearn.model_selection.learning_curve был обновлен, есть устаревшее руководство, использующее старую документацию , следует ли мне оставить его? Или стоит обновлять?

Привет @ alfaro96!

после правок:
Я вижу, что sklearn.config_context и sklearn.set_config из sklearn.config_config.py были исправлены, поэтому их можно извлечь из списка задач .

Я хочу поработать над sklearn.utils . Я видел только один экземпляр документации по параметрам, где используется «необязательный». Это означает, что мне нужно исправить только этот экземпляр, верно? Он находится в sklearn.utils._mocking.py

Эй, подумал, смогу ли я помочь с документами.

Привет @madprogramer ,

@ alfaro96 Я бы хотел поработать над sklearn.feature_extraction.text.CountVectorizer , если это еще не сделано, особенно потому, что я лично сталкивался с некоторыми подводными камнями при работе с векторизаторами в прошлом.

~ Я просмотрел контрольный список и ссылку sklearn.feature_extraction.text.CountVectorizer и, похоже, это не исправлено. Приветствуется пиар. ~

Изменить: sklearn.feature_extraction.text.CountVectorizer уже исправлено.

Кроме того, я заметил, что, хотя sklearn.model_selection.learning_curve был обновлен, есть устаревшее руководство, использующее старую документацию , следует ли мне оставить его? Или стоит обновлять?

Стоит обновить, хотя это стоит сделать в отдельный пиар.

Спасибо!

Привет @ alfaro96!

Привет @haiatn ,

после правок:
Я вижу, что sklearn.config_context и sklearn.set_config из sklearn.config_config.py были исправлены, поэтому их можно извлечь из списка задач .

Я обновил контрольный список .

Я хочу поработать над sklearn.utils . Я видел только один экземпляр документации по параметрам, где используется «необязательный». Это означает, что мне нужно исправить только этот экземпляр, верно? Он находится в sklearn.utils._mocking.py

Это идея, хотя классы в файле sklearn.utils._mocking.py не являются частью общедоступного API, поэтому я не думаю, что стоит их обновлять.

Тем не менее, было бы неплохо, если бы вы могли работать с любыми другими функциями, классами и модулями, которые ожидают исправления.

Спасибо!

Я посмотрел на контрольный список. Из того, что я увидел, в контрольном списке можно проверить следующее:

• sklearn.feature_extraction.image.img_to_graph
• sklearn.isotonic.IsotonicRegression
• sklearn.isotonic.check_increasing
• Я не нашел файл sklearn.ensemble.HistGradientBoostingRegressor но все sklearn.ensemble в порядке

Могу ли я работать с sklearn.manifold._spectral_embedding и sklearn.feature_extraction.text.HashVectorizer ? Сделаю это в отдельном пиаре. Я думаю, что это единственные оставшиеся файлы, которые нужно исправить (при условии, что sklearn.feature_extraction.text.CountVectorizer занят).

Я посмотрел на контрольный список. Из того, что я увидел, в контрольном списке можно проверить следующее:

• sklearn.feature_extraction.image.img_to_graph
• sklearn.isotonic.IsotonicRegression
• sklearn.isotonic.check_increasing

Спасибо @haiatn , я обновил чек-

• Я не нашел файл sklearn.ensemble.HistGradientBoostingRegressor но все sklearn.ensemble в порядке

sklearn.ensemble.HistGradientBoostingClassifier и sklearn.ensemble.HistGradientBoostingRegressor находятся в этом файле: scikit-learn/sklearn/ensemble/_hist_gradient_boosting/gradient_boosting.py . Однако они уже исправлены.

Могу ли я работать на sklearn.manifold._spectral_embedding и sklearn.feature_extraction.text.HashVectorizer ? Сделаю это в отдельном пиаре. Я думаю, что это единственные оставшиеся файлы, которые нужно исправить (при условии, что sklearn.feature_extraction.text.CountVectorizer взято).

Я просмотрел модули sklearn.manifold и sklearn.feature_extraction.text.HashingVectorizer и они уже были исправлены (я соответственно обновил контрольный список).

Тем не менее, в модуле sklearn.utils есть несколько функций, которые следует исправить.

Спасибо @haiatn , мы очень ценим вашу помощь!

Сейчас я буду работать над sklearn.utils._estimator_html_repr , sklearn.utils.deprecation и sklearn.utils._testing

Доработаю sklearn.utils. Я нашел только 3 файла, которые нужно исправить.

эй @ alfaro96 ,
не могли бы вы просмотреть мои открытые запросы на включение? Думаю, они последние.

18360 # 18385 # 18386

Привет @haiatn!

Я уже посмотрел на ваши открытые PR.

Спасибо!

Теперь, когда мы объединили то, что осталось от sklearn.utils, и оно было последним в контрольном списке , мы закончили?

Есть последний открытый запрос на вытягивание №18025, тогда эту проблему в конечном итоге можно будет закрыть.

Привет,
Я хочу внести свой вклад. Есть ли какой-либо класс, ожидающий исправления документа значений по умолчанию? Если есть, то я могу заняться этим.

Привет, новичок в открытом исходном коде, я с нетерпением жду возможности исправить документ, если вдруг что-то останется, что нужно исправить